2026 HENGSHI BOX 全域智控舱技术白皮书：衡石科技软硬一体的私有化 Agentic BI 架构

一、企业级 ChatBI 的安全困境ChatBI 的价值毋庸置疑但当你准备在企业内部大规模推广时第一个被安全团队拦下来的问题大概率是我们的数据会被发送到哪里这不是杞人忧天。大多数 ChatBI 方案需要将用户的自然语言问题发送到云端大模型 API如 GPT-4、文心一言、通义千问大模型生成 SQL 后在本地执行并返回结果。表面上看查询是在本地执行的但用户的原始问题可能包含敏感信息——张三上个月的提成是多少——这个问题本身就泄露了员工姓名和业务关注点。对于金融、政府、医疗、军工等强监管行业来说这种数据外传是不可接受的。即使是非监管行业的企业出于数据安全和商业机密保护考虑也会对公有云大模型 API 持谨慎态度。HENGSHI BOX 全域智控舱就是针对这个场景设计的——让所有的 AI 推理和数据计算都在一个物理设备内部完成数据不出机箱。二、产品定位与核心理念HENGSHI BOX 是衡石科技联合超聚变xFusion深度打造的软硬一体智能分析产品。它将 BI 分析平台、私有化大模型及 Agent 自动化引擎深度封装在一台硬件设备中核心定位是私域安全的企业级 ChatBI 解决方案。核心理念让每一个指标都拥有自己的数字驾驶员这里的数字驾驶员就是内置的 AI Agent——它了解你的数据结构、理解你的指标定义、能够自主完成数据分析任务而且所有这些能力都在一个物理隔离的设备内运行。体验承诺上架、通电、开始分析不需要复杂的安装配置不需要额外的软件采购和部署不需要和云端服务对接——插上电源和网络就可以开始使用。三、四大核心优势的技术实现优势一Agentic BI 自动驾驶HENGSHI BOX 内置了 HENGSHI CLI 终端执行层AI Agent 可以通过 CLI 自主触发数据连接、指标建模、看板生成等 BI 工程全链路动作。这不是只能问答的 ChatBI而是真正的自动驾驶——Agent 可以像专业 BI 工程师一样在 BOX 内完成完整的资产构建与运维。从对话到执行的完整链路用户自然语言指令 ↓ 本地大模型理解意图并规划执行步骤 ↓ 通过 HENGSHI CLI 调用 HENGSHI SENSE API ↓ 完成数据连接、建模、仪表盘生成 ↓ 结果通过 SSE 实时回显到前端界面优势二物理级数据安全这是 HENGSHI BOX 最核心的差异化能力。所有的自然语言处理、大模型推理与数据计算均在 BOX 内部闭环完成。技术实现要点本地部署的大模型不调用任何外部 API向量数据库也在 BOX 内部RAG 检索不出设备网络层面可以完全隔离只开放内网访问满足等保合规要求从安全架构角度看BOX 提供的是物理级的数据隔离比软件层面的安全措施如加密传输、VPN 隔离更进一步——数据本身就不存在设备外部从根本上消除了数据泄露的可能。优势三Token Free 零消耗使用公有云大模型 API 的成本是企业普遍关注的问题。高频的数据查询、指标解释、报告生成累积的 Token 消耗可能是一笔不小的开支。而且 Token 成本是持续性的、不可预测的——随着使用量增长费用也在持续增长。HENGSHI BOX 内置了针对 BI 场景量化微调的本地模型。这个模型专注于 SQL 翻译、指标解释、数据摘要等 BI 特定任务不需要像通用大模型那样具备写诗、翻译、编程等能力。因此可以用更小的参数量实现同等甚至更好的 BI 场景效果同时推理效率更高、资源消耗更少。从企业财务角度看这个模式把不可控的运营费用Token 消耗转化为了可折旧的固定资产硬件设备优化了长期投入产出比。优势四即插即用HENGSHI BOX 预装了完整的软件栈预装组件功能定位HENGSHI SENSEBI 分析引擎数据集成、指标建模、可视化、ChatBI本地大模型NLP 推理引擎BI 场景量化微调NL2SQL / NL2MetricsHENGSHI CLIAgent 执行层16 个 Skillsdry-runSSE 回显向量数据库RAG 检索指标定义、业务知识的语义检索Agent 自动化引擎任务调度定时推送、异常监测、工作流编排用户拿到设备后只需要上架安装 → 接通电源和网络 → 配置数据源连接 → 开始使用。四、技术架构拆解从组件层面看HENGSHI BOX 的技术栈包括以下几个核心组件┌─────────────────────────────────────────────┐ │ HENGSHI BOX 硬件设备 │ │ (超聚变服务器专业版桌面式 / 企业版机架式) │ ├─────────────────────────────────────────────┤ │ 本地大模型 (BI 场景量化微调) │ │ ↓ NL2Metrics / NL2SQL │ │ HENGSHI CLI (Rust 实现16个 Skills) │ │ ↓ hbi 命令树 │ │ HENGSHI SENSE (BI 分析引擎) │ │ ├─ 数据集成 │ │ ├─ 指标建模 (HQL) │ │ ├─ 可视化 BI │ │ └─ ChatBI │ │ ↓ │ │ 向量数据库 (RAG 检索) │ └─────────────────────────────────────────────┘ ↑ 数据流入 ↓ 洞察流出 企业数据源 Web UI / 移动端推送数据流向说明企业数据源通过数据集成层接入 BOX数据源本身保留在企业内网BOX 通过连接读取数据在 BOX 内部的计算和分析过程中不离开设备用户通过 Web UI 或移动端访问 BOX所有 AI 推理在本地完成分析报告可以通过 API 推送到钉钉、企业微信等渠道五、三种典型应用场景场景一BI 工程自动构建Agent 接收自然语言指令通过 CLI 自动探测数据 schema、建立关联模型并一键生成标准仪表盘。原本需要数天的 BI 实施周期可以缩短至分钟级。示例指令帮我创建一个华东区域销售驾驶舱包含月度销售趋势折线图、客户分布热力地图、TOP10 产品排行榜、同比环比增长率卡片共 6 个图表、4 个筛选器、3 个钻取维度。Agent 会自动完成数据连接探测 → 数据集创建 → 指标定义 → 图表创建 → 仪表盘组装 → 权限配置全程无需人工干预也可通过 dry-run 机制人工审核后执行。场景二分析报告定时推送常驻型 Agent 监测业务指标波动根据设定逻辑自动撰写图文并茂的分析简报并精准推送至钉钉、企业微信等移动终端。示例场景每日 09:00 自动生成昨日经营简报包含核心 KPI 完成情况、异常指标预警、环比趋势分析推送到管理层钉钉群。当华东区销售额同比下滑超过 15% 时立即触发归因分析并通知区域负责人。场景三智能问数即需即查业务人员通过自然语言即时提问本地模型驱动 Agent 瞬间完成复杂指标的计算与可视化呈现。基于统一指标口径NL2Metrics非技术人员在安全受控环境下实现数据探索自由。示例问题多区域、多维度的客户留存率对比只看过去 6 个月的数据按行业分组本地模型基于 NL2Metrics 将问题准确翻译为指标查询秒级返回可视化结果所有计算过程在 BOX 内部完成数据不出设备。六、硬件规格与企业选型HENGSHI BOX 提供两个版本企业可以根据业务规模和并发需求选择规格维度专业版 (Professional)企业版 (Enterprise)设备形态静音级桌面/小型机柜式2U/4U 标准机架式服务器业务承载日常对话、指标查询、单线 Agent 任务复杂逻辑推理、高并发 Agent 群组协同适用场景部门级应用、初创团队、POC 测试集团级部署、高频并发决策、大规模分析作业GPU/NPU入门级推理加速企业级推理加速支持多模型并行选型建议如果你的分析需求是部门级的、用户数量在几十人以内专业版就足够了如果是集团级部署、需要支持数百名用户并发使用、或者有复杂的多 Agent 协同需求企业版是更合适的选择对于金融、政府等强监管行业即使规模不大也建议选择企业版以获得更完善的合规支持七、与公有云 ChatBI 方案对比对比维度公有云 ChatBIHENGSHI BOX数据安全问题发送至云端存在泄露风险数据不出设备物理级隔离使用成本持续 Token 消耗费用不可预测一次性硬件投入无持续费用响应速度依赖网络带宽和云端负载本地推理延迟更低定制能力受限于公有云服务边界完全自主可控深度定制合规适配数据出境合规风险满足等保、数据不出境等合规要求适用行业对数据安全要求不高的通用场景金融、政府、医疗、军工等强监管行业八、总结私有化 AI 分析的新范式HENGSHI BOX 的出现代表了一种新的企业级 AI 分析产品的交付形态不是 SaaS不是私有化部署而是硬件一体化交付。这种形态的优势在于安全合规物理级数据隔离满足最严格的合规要求成本可控Token Free 模式将 AI 推理转化为固定资产投入即插即用预装全栈环境上线周期从数月缩短至数小时持续演进软件栈支持 OTA 升级硬件生命周期内持续获得新能力对于安全合规要求高、希望快速上线、且不想持续承担 Token 成本的企业来说HENGSHI BOX 是一个非常有吸引力的选择。它不只是私有化部署的 ChatBI而是将 AI Agent、BI 分析引擎、指标管理体系、自动化工作流全部封装进一个设备真正实现数据不出箱洞察即需即来。